← Back to Blog

德勤取消职级：AI 时代人才能力的底层重构

当 18 万人的职级体系一夜清零，这不是管理实验，而是职场游戏规则的彻底改写。

🔥 引子：一场静悄悄的革命

2026 年 1 月 29 日，德勤美国向其 181,500 名员工发出通知：所有传统职级将被废除。

这不是裁员，不是降薪，而是更激进的动作——取消"熬资历就能晋升"的游戏规则。

在过去，四大会计师事务所的职业路径像一条笔直的高速公路：分析师 → 高级分析师 → 经理 → 高级经理 → 合伙人。只要不犯大错，熬够年头，升职几乎是板上钉钉的事。

但现在，德勤说：这套为"传统咨询档案"设计的架构已经过时了。

为什么？

因为 AI 正在重新定义"什么是有价值的工作"。

🧠 底层逻辑：从"时间货币"到"问题货币"

旧世界的运行逻辑

在工业时代和信息时代早期，职场的底层货币是时间：

  • 你在公司待了多久？
  • 你做了多少个项目？
  • 你管理过多少人？

这套逻辑的前提是：经验 = 能力。

所以审计师、律师、咨询顾问都遵循"学徒制"：新人跟着老人学，老人退休了新人顶上。这是一个可预测的、线性的成长曲线。

新世界的运行逻辑

但 AI 打破了这个前提。

当 Anthropic 的工程师 Boris Cherny 透露"我们团队几乎 100% 的代码由 Claude 编写"时，当 Andrej Karpathy 说"我的工作流在几周内从 80% 手动变为 80% AI 代理"时，一个残酷的真相浮出水面：

经验不再等于能力，因为 AI 可以在 1 秒内"学会"你 10 年积累的模式识别能力。

新世界的货币不是时间，而是问题解决能力：

  • 你能定义什么样的问题？
  • 你能设计什么样的解决方案？
  • 你能判断 AI 给出的答案是否靠谱？

这就是为什么德勤要废除职级——因为职级代表的是"你熬了多久"，而不是"你能解决什么问题"。

⚖️ 实战拆解：Allie K. Miller 的适应力公式

AI 投资人 Allie K. Miller 最近分享了一个观点：在 AI 时代，适应力（Adaptability）是最稀缺的能力。

但什么是"适应力"？这不是一个虚无缥缈的概念，而是可以拆解的能力组合。

适应力 = 认知灵活性 × 工具切换速度 × 结果验证能力

1. 认知灵活性：从"我是审计师"到"我是问题解决者"

传统职场鼓励你建立"身份认同"：

  • "我是一名审计师，我的工作是核对财务报表。"
  • "我是一名律师，我的工作是起草合同。"

但在 AI 时代，这种身份认同是危险的。

因为当 AI 可以在 10 分钟内完成你 3 天的审计工作时，"审计师"这个身份就失去了价值。

真正有价值的身份是："我是一个能用 AI 解决财务合规问题的人"。

这需要你不断重新定义自己的价值主张，而不是死守一个岗位标签。

2. 工具切换速度：从"学会一个工具用 10 年"到"每周学一个新工具"

Allie K. Miller 有一个细节让我印象深刻：她至今还在用有线耳机。

为什么？

因为在她的 AI 工作流中，可靠性 > 便利性。

有线耳机不会在关键时刻没电，不会在语音转文字时断连。这种对工具的深度理解和快速切换能力，是 AI 时代的核心竞争力。

你需要问自己：

  • 我能在 1 小时内上手一个新的 AI 工具吗？
  • 我能在 1 天内搭建一个自动化工作流吗？
  • 我能在 1 周内用 AI 完成一个以前需要 1 个月的项目吗？

如果答案是"不能"，那你的适应力就不够。

3. 结果验证能力：从"相信专家"到"我就是质检员"

AI 会犯错。

它会编造数据，会理解错你的意图，会给出看似合理但实则荒谬的建议。

所以，AI 时代最值钱的能力之一是：判断 AI 的输出是否靠谱。

这需要你：

  • 理解问题的本质（而不是只看表面）
  • 知道"好答案"长什么样（而不是盲目接受）
  • 能快速验证结果（而不是等到出问题才发现）

这就是为什么 Karpathy 说"编程的未来是审核代码，而不是写代码"——因为写代码的是 AI，但判断代码好坏的必须是人。

🔍 案例拆解：Dan Koe 的"一人公司"生存法则

如果说德勤的改革是大公司的应对策略，那么 Dan Koe 的"一人公司"哲学就是个人的生存指南。

Dan Koe 是谁？一个在 AI 时代靠"个人品牌 + AI 工具"年入百万美元的独立创业者。

他的核心观点是：在 AI 时代,你不需要成为"全才",但你必须成为"全栈问题解决者"。

什么是"全栈问题解决者"？

传统的"全才"是指：你会写代码、会设计、会营销、会财务……

但这在 AI 时代是不可能的,因为每个领域都在以指数级速度进化。

Dan Koe 提出的"全栈问题解决者"是指：

  1. 你能定义问题：知道客户真正需要什么（而不是他们说他们需要什么）
  2. 你能调用资源：知道用什么 AI 工具、外包给谁、如何组合解决方案
  3. 你能交付结果：不是交付"我做了什么",而是交付"问题解决了"

Dan Koe 的能力堆栈

Dan Koe 建议每个人建立自己的"能力堆栈"（Skill Stack）：

第一层：不可替代的人类技能

  • 深度思考能力：能看到别人看不到的联系
  • 品味和判断力：知道什么是"好"（这是 AI 最难学的）
  • 信任建立能力：让人愿意为你的建议买单

第二层：AI 协作能力

  • Prompt 工程：知道如何"调教" AI 给出你想要的结果
  • 工作流设计：能把复杂任务拆解成 AI 可以执行的步骤
  • 质量控制：能快速发现 AI 的错误和偏见

第三层：成果变现能力

  • 内容创作：用 AI 加速内容生产,但保持人类的洞察
  • 产品化思维：把你的知识打包成可售卖的产品
  • 社群运营：建立信任关系,而不是只卖东西

关键洞察：AI 让"知识"变得廉价,但让"判断力"变得昂贵

Dan Koe 有一个深刻的观察：

"AI 可以在 1 秒内生成 10 篇文章,但它无法判断哪一篇真正能打动你的读者。"

这意味着：

  • 信息生产的价值在下降（因为 AI 可以批量生产）
  • 信息筛选的价值在上升（因为人们被信息淹没）

所以,未来最值钱的不是"我知道很多",而是"我知道什么重要"。

💡 行动指南：如何在 AI 时代重构你的能力

如果你是职场人

1. 停止"熬资历",开始"建作品集"

不要再问"我在这个岗位待了多久",而要问"我解决了什么问题"。

具体行动：

  • 每个月完成一个"AI 辅助项目",并记录：
    • 问题是什么？
    • 你用了什么 AI 工具？
    • 结果如何？
  • 把这些项目做成案例,放在你的 LinkedIn 或个人网站上

2. 建立"AI 工具库"

不要只用公司给你的工具,主动探索新工具。

具体行动：

  • 每周试用一个新的 AI 工具（ChatGPT、Claude、Midjourney、Notion AI……）
  • 建立一个"工具-场景"对照表：
    • 写报告 → 用 Claude
    • 做 PPT → 用 Gamma
    • 数据分析 → 用 Julius AI
  • 把你的工作流文档化,成为团队的"AI 专家"

3. 培养"质检员思维"

不要盲目相信 AI 的输出。

具体行动：

  • 每次用 AI 生成内容后,问自己三个问题：
    1. 这个答案符合常识吗？
    2. 这个答案有数据支撑吗？
    3. 这个答案能经得起专家的检验吗？
  • 建立自己的"AI 翻车案例库",记录 AI 犯过的错误

如果你是创业者/自由职业者

1. 找到你的"不可复制优势"

AI 可以复制技能,但无法复制你的独特经历和视角。

具体行动：

  • 写下你的"人生经历清单"：
    • 你在哪些行业工作过？
    • 你解决过什么独特的问题？
    • 你有什么别人没有的资源或人脉？
  • 找到"经历的交叉点"（比如：你既懂金融又懂 AI → 你可以做"AI 金融顾问"）

2. 用 AI 放大你的产出,而不是替代你的思考

AI 是放大器,不是替身。

具体行动：

  • 用 AI 做"初稿生成器"：
    • 你提供核心观点和框架
    • AI 帮你扩展成完整内容
    • 你再进行人工润色和深度修改
  • 用 AI 做"研究助手"：
    • 你提出问题
    • AI 帮你收集资料
    • 你进行分析和判断

3. 建立"信任资产",而不是"流量资产"

在 AI 泛滥的时代,人们会更珍惜"真人的建议"。

具体行动：

  • 每周发布一篇"真人洞察"（不是 AI 生成的泛泛而谈）
  • 在社交媒体上分享你的"翻车经历"和"真实思考"
  • 建立小而精的社群,而不是追求大而空的粉丝数

🎯 核心观点总结

1. 职场的底层货币从"时间"变成了"问题解决能力"

德勤废除职级,不是因为他们不重视经验,而是因为经验不再等于能力。

在 AI 时代,一个刚毕业的新人如果会用 AI,可能比一个工作 10 年但不会用 AI 的老员工更有价值。

2. 适应力 = 认知灵活性 × 工具切换速度 × 结果验证能力

Allie K. Miller 说的"适应力"不是虚的,而是可以训练的具体能力：

  • 你能快速重新定义自己的价值吗？
  • 你能快速上手新工具吗？
  • 你能快速判断 AI 的输出质量吗？

3. AI 让"知识"变得廉价,但让"判断力"变得昂贵

Dan Koe 的洞察是：未来最值钱的不是"我知道很多",而是"我知道什么重要"。

所以,不要成为"知识的搬运工",而要成为"洞察的提供者"。

4. 你的护城河不是技能,而是"不可复制的组合"

AI 可以学会任何单一技能,但它无法复制：

  • 你的独特经历
  • 你的人际网络
  • 你的品味和判断力
  • 你的信任资产

所以,不要试图在单一维度上"卷"过 AI,而要建立"多维度的不可复制组合"。

🚀 最后的话

德勤的改革,不是一个公司的个案,而是整个职场游戏规则改写的信号。

当"熬资历"不再管用,当"经验"不再等于"能力",我们每个人都需要重新思考：

我的价值到底是什么？

答案不在于你做了多久,而在于：

  • 你能定义什么样的问题？
  • 你能设计什么样的解决方案？
  • 你能判断什么样的答案是好答案？

这是一个残酷的时代,因为旧的规则不再适用。

但这也是一个充满机会的时代,因为谁先掌握新规则,谁就能获得指数级的优势。

行动起来,不要等到你的职级被取消的那一天。

本文参考资料：

  • Deloitte US organizational restructuring (2026)
  • Allie K. Miller on AI-era adaptability
  • Dan Koe's one-person business philosophy
  • Andrej Karpathy on AI-assisted coding